합성곱 신경망을 이용한 풍력 블레이드 상태 구분 (State Classification of Wind Turbine Blade using Convolutional Neural Network)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 20권 / 4호 / 89 ~ 97페이지
· 저자명 : 김용빈, 김용민, 최인식

초록

본 논문에서는 풍력 블레이드의 상태를 구분하기 위한 CNN 구분기 설계 및 구분 실험 결과를 제시한다. 상태별로 서로 다른 CNN 구분기를 설계하였으며 구분기 1에는 외관 상태, 구분기 2에는 동작 상태를 구분하였다. 구분하려고 하는 풍력 블레이드의 상태로는 외형적으로는 정상 상태와 파손 상태를 가정하였으며, 동작적으로는 정상 회전과 불균형 회전을 가정하였다. 훈련 데이터는 상태별 잡음이 없는 스펙트로그램을 사용하였고 테스트 데이터는 가우시안 잡음을 추가하여 구분기의 성능을 검증하였다. 실험 결과 SNR이 좋아짐에 따라 구분 결과도 향상되었으며, 5dB 상태일 때 구분기 1의 구분 정확도는 99.83%, 구분기 2의 구분 정확도는 98.68%를 가짐을 확인하였다. 본 연구를 통하여 딥러닝 구분기가 가중합 그래프와 플래시 간격 그래프를 이용하는 선행 연구에 비해 더 좋은 구분 성능을 나타냄을 확인하였다.

영어초록

This paper shows the CNN(Convolutional neural network) classifier design and simulation results for classifying the state of the wind turbine blade. The separate CNN classifiers are designed to classify by a state, and the appearance states were classified in the classifier 1 and the operation states in the classifier 2. The states of the wind turbine blade to be classified are assumed to be a normal state and a damaged state by an appearance, and a balanced rotation and unbalanced rotation by an operation. As the training data, spectrograms without noise for each state are used, and as the test data, spectrograms with noise are used to verify the performance of the classifier. As a result, the classification performance is improved as the SNR is increased, and the classification accuracy of classifier 1 is 99.83% and the classification accuracy of classifier 2 was 98.68% at the SNR of 5 dB. This research shows that the deep learning classifier has the better performance than the previous research which use the weighted sum graph and the flash interval graph.

참고자료

· 없음